基于图像频谱特征的稻飞虱自动识别技术

本文主要探讨了一种基于图像频谱特征的稻飞虱识别方法，由刘德营、赵三琴、丁为民和陈坤杰等研究人员在南京农业大学工学院/江苏省智能化农业装备重点实验室合作开发。研究的目标是提高稻飞虱种类的准确和快速识别效率，特别是在野外环境中。 研究过程中，他们利用自行设计的昆虫图像采集装置获取稻飞虱背部图像。首先，通过统计背景与目标像素，选择一个关键阈值（140），对图像的蓝色通道进行二值化处理，以此分离稻飞虱与背景。随后，采用形态学滤波和开运算技术，进一步优化图像，获取单个稻飞虱虫体背部区域的灰度图像。 对灰度图像进行二维傅里叶变换，将虫体背部图像转化为频谱，这一步骤有助于提取图像的频率成分，用于后续的特征分析。研究者选取不同大小的二维频谱窗口数据（l×l，其中l=1,2,...,6）作为稻飞虱的特征参数，这些参数反映了图像在不同频率下的特性。 关键环节是建立了基于Fisher判别函数的分类模型，该模型利用这些频谱特征来区分不同种类的稻飞虱。通过实验，特别是使用3×3的二维傅里叶频谱窗口数据，构建的判别模型表现出优秀的性能，稻飞虱的正确识别率能够达到90%以上。这种方法的应用对于田间稻飞虱的自动识别具有实际价值。 这项工作还得到了江苏省农机局科研启动基金项目的支持，该项目专注于“水稻虫情测报装置的研制”。研究团队成员刘德营博士，以其在模式识别和自动控制领域的专业知识，对整个研究过程起到了重要作用。 本文研究提供了一种有效的方法，结合图像处理和频谱分析技术，用于稻飞虱种类的自动化识别，这对于农业害虫监测和防治具有重要的实践意义。